CC BY
19
1231 Цаз¥МУ ХАБАРШЫСЫ
ОФТАЛЬМОЛОГИЯ
ЭФФЕКТИВНОСТЬ НЕЙРОСЕТЕВОГО ПРОГНОЗИРОВАНИЯ КЛИНИЧЕСКОГО ТЕЧЕНИЯ МИОПИИ УДЕТЕЙ
Аубакирова А.Ж., Тулетова А.С.
КазНИИГБ, Алматы
Современные информационные технологии позволяют упростить и облегчить обработку клинического материала. В последнее время в медицине получили распространение искусственные нейронные сети (ИНС). Первые опыты применения ИНС в медицине доказывают их перспективность в диагностики, выборе метода лечения, прогнозировании течения заболевания [1,2,3,4,5].
Цель. Изучить эффективность разработанных нейросетевых методов прогнозирования клинического течения миопии на неизвестных клинических примерах.
Материал и методы. С цель прогнозирования клинического течения миопии были разработаны нейронные сети в пакетах кусочно-линейная сеть классификатор (Piecewise Linear Network -- PLN), реализованный в виде приложения к NuClass7.06a; многослойный персептрон (Multi Layer Perceptron -- MLP), реализованный в виде приложения к STATISTICA Neural Networks Release 4.0E (SNN). На
С целью изучения эффективности разработанных нейронных сетей проведено диагностическое тестирование 56 примеров (30 детей, в возрасте 5 - 14 лет) с неизвестным клиническим течением.
Средний сферический эквивалент при высокой миопии, имевшей место в 53 случаях (94,6%), составил 8,31 ± 3,98 дптр.. В 3 случаях миопия была средней степени, со средним сферическим эквивалентом 5,08 ± 0,14 дптр. У 4 детей высокая миопия была односторонней, рефракция парного глаза соответствовала эмметропии.
Всем детям были проведены офтальмологическое обследование - сбор анамнеза, наружный осмотр, визометрия с и без коррекции, скиаскопия на фоне циклоплегии, автокераторефрактометрия, эхобиометрия, офтальмоскопия, ОСТ, ЭФИ.
По результатам нейросетевого прогнозирования клиническое течение миопии было определено как стационарное или прогрессирующее.
Результаты нейросетевого прогнозирования (количество входных векторов = 14) клинического течения миопии представлены в таблице 1.
Таблица 1 - Результаты нейросетевого прогнозирования клинического течения миопии (входных векторов = И)_
MLP (n = 56) PLN (n = 56)
Стационарная Прогрессирующая Стационарная Прогрессирующая
Кол-во клинических примеров 44 10 43 11
Как видно из таблицы 1, использование PLN прогнозировало стационарный характер в 43, прогрессирующий в 11 случаях, тогда как применение MLP в 44 и в 10 случаях соответственно.
Средний срок наблюдения составил 13,6 ± 4,6 мес., и колебался от 9 до 18 мес. Для анализа наличия прогрессирования близорукости вычисляли годичный коэффициент прогрессиро-вания по следующей формуле:
ГГ= СЭ2-СЭ1 / Т дптр в год
Где ГГ - годичный градиент прогрессирования близорукости СЭ2 - рефракция к концу наблюдения СЭ1 - рефракция в начале наблюдения Т- время между наблюдениями, годы
При годичном коэффициенте прогрессирования < 0,5 дптр. клиническое течение миопии определялось как стационарное, при > 0,5 дптр. - как прогрессирующее.
Результаты. Из 30 детей, которым проводилось нейросетевое прогнозирование клинического течения миопии 1 ребенок (2 глаза) не явился на контрольные осмотры и выбыл из исследования.
В результате клинического наблюдения в динамике выявлено, что годичный коэффициент прогрессирования в 41 случае был меньше 0,5 дптр., в среднем составил 0,08 ± 0,15 дптр. т.е. клиническое течение миопии было стационарным. Средний сферический эквивалент к концу срока наблюдения равнялся 9,34 ± 3,53 дптр., передне-задний размер глаза - 25,79 ± 1,64мм. по сравнению с исходными 9,26 ± 3,39 дптр. и 25,67 ± 1,63мм соответственно.
В 13 случаях клиническое течение миопии было прогрессирующим - годичный коэффициент прогресси-рования равнялся > 0,5 дптр., в среднем 1,29 ± 0.35 дптр.. Средний сферический эквивалент к концу срока наблюдения равнялся 12,38 ± 3,98 дптр., передне-задний размер глаза - 28,07 ± 0,90 мм. по сравнению с исходными 10,67±3,35дптр. и 27,38 ± 0,83мм соответственно.
124| Цаз¥МУ ХАБАРШЫСЫ
Сравнение результатов нейросетевого прогнозирования клинического течения миопии с результатами клинического наблюдения представлены в таблице 2.
Таблица 2 - Сравнение результатов нейросетевого прогнозирования клинического течения миопии с результатами клинического наблюдения.
Нейронная сеть MLP (n = 54) PLN (n = 54)
Клиническое течение миопии Стационарная Прогрессирующая Стационарная Прогрессирующая
Total 44 10 43 11
Correct 40 (90,9%) 9 (90,0%) 41 (95,3%) 11 (100%)
Wrong 4 (9,1%) 1 (10,0%) 2 (4,7%) 0
Как видно из таблицы, клиническое наблюдение за пациентами не подтвердило результаты прогнозирования течения миопии как стационарное в 4 случаях и как прогрессирующее в 1 случае при использовании MLP. PLN допустила 2 ошибки, прогнозировав в 2 случаях стационарное течение миопии. Эффективность данной нейронной сети составили 90,5% и 97,65% для MLP и PLN.
Вывод. Диагностическое тестирование неизвестных клинических примеров и результаты клинического наблюдения показали возможность прогнозирования клинического течения миопии у детей с помощью нейросетевого анализа. Усредненный показатель эффективности составил 93,1% для стационарной миопии и 95,0% для прогрессирующей. Литература
1.Соломаха А.А., Костюнин А.В., Щетинин В.Г. // современные тенденции прогнозирования в медицине. // Нейроинформатика и ее приложения: Материалы IX Всероссийского семинара. - Красноярск, 2001. - С.162-163.
2.Киселева О.А., Ткачева Т.В. Анализ использования новых компьютерных технологий в медицине и офтальмологии. // Вестн.офтальмол.- 2004.-№3.-С.53-56.
3.Логай И.М., Родин С.С., Драгомирецкая Е.И., // Использование исскуственных нейронных сетей в прогнозировании возможности восстановления послеоперационной остроты зрения более 0,05 при тяжелых отслойках сетчатки.
4.Комаровских Е.Н. Обоснование нового подхода к ранней диагностике первичной открытоугольной глаукомы. - Автореферат диссертации на соискании ученой степени д.м.н. - Красноярск. - 2002.
5. Долматова И.А. Автореферат диссертации на соискании ученой степени д.м.н. - Красноярск. - 2003.
Балаларда миопия агымын нейрожуелш болжаудын нэтижелшМ.
Аубэшрова А.Ж., Телетова А. С. ЖYргiзiлген сарапта нэтижеанде ж1ктеу ушш 14 белп танданып, олардьщ жуйесш жасанды нейронды жуйе (ЖНЖ) жумысына кодтау аныкталды. SNN жжтеу Yшiн нейрон жуйеа - кепкабатты персептрон зерттелдг NUClass пакетшщ жумысы Yшiн тшмдьсызыктык жуйе колданылды. Миопиянын клиникалык агымы белгiсiз кездердi болжау Yшiн тест жYргiзгенде, енделген нейрожYЙелi тэсiлдердiн тиiмдiлiгi 90,45% к^рады жэне осыган сэйкес кепкабатты персетронмен тiлiмдi - сызыктык жYЙенi колданганда 97,65% болды.
Efficacy of neuronet in prognosis of clinical currency of myopia in children
Aubakirova A. Jh., Tuletova A.S. 14 enter inputs and data encoding system were suggested for classification task on the basis of analysis. Multi Layer Perceptron and Piecewise Linear Network in packages SNN and NuClass accordingly were used for developed ANNs. The effectiveness of developed artificial neural networks in prognosis myopia clinical course were 90,45% using Multi Layer Perceptron and 97,65% using Piecewise Linear Network.
ИССЛЕДОВАНИЕ ПОЛИМОРФИЗМОВ ДЛИНЫ РЕСТРИКЦИИ ГЕНА COL1A1 У ДЕТЕЙ ПРИ МИОПИИ ВЫСОКОЙ СТЕПЕНИ И ОТСЛОЙКИ СЕТЧАТКИ
Ботабекова Т.К., Аубакирова А.Ж., Святова Г.С., Аханова Ш.К., Тулетова А.С.
КазНИИ глазных болезней - Алматы, Казахстан
Несмотря на многочисленные исследования роли генетических факторов в развитии миопии, молеку-лярно-генетические основы формирования заболевания и ее осложнений до конца не ясны.
К эндогенным факторам риска развития отслойки сетчатки относятся миопия, решетчатая дегенерация сетчатки, отслойка задней гиалоидной мембраны [1, 2, 3].
По мнению Gentle A., развитие миопии высокой степени всегда ассоциируется с истончением склеры [4]. Морфологические изменения в склере характеризуются изменением фибриллов коллагена - их ультра-
